人脸识别技术的研究与发展
《2024年基于深度学习的人脸识别方法研究综述》范文
《基于深度学习的人脸识别方法研究综述》篇一一、引言随着科技的进步，人脸识别技术已经成为了人工智能领域的研究热点。
基于深度学习的人脸识别方法以其高精度、高效率的特点，在众多领域得到了广泛应用。
本文旨在全面梳理和总结基于深度学习的人脸识别方法的研究现状、主要技术、应用领域及未来发展趋势。
二、人脸识别技术的发展历程人脸识别技术自诞生以来，经历了从传统的手工特征提取方法到基于深度学习方法的演变。
早期的人脸识别主要依靠人工设计的特征提取算法，如主成分分析（PCA）、线性判别分析（LDA）等。
随着深度学习技术的崛起，卷积神经网络（CNN）等人脸识别算法得到了广泛应用。
三、基于深度学习的人脸识别方法（一）深度卷积神经网络（Deep Convolutional Neural Network, DCNN）DCNN是目前应用最广泛的人脸识别方法之一。
通过训练大量的数据，DCNN可以自动学习和提取人脸特征，从而提高识别的准确性。
同时，DCNN具有较好的泛化能力，可以应对不同的人脸表情、光照、姿态等变化。
（二）深度学习与特征融合在人脸识别中，特征提取是关键的一步。
通过将深度学习与其他特征提取方法相结合，如基于局部二值模式（LBP）的特征提取方法，可以进一步提高人脸识别的准确性和鲁棒性。
此外，多模态特征融合技术也可以提高人脸识别的性能。
（三）基于深度学习的无约束人脸识别无约束人脸识别是近年来研究的热点。
由于实际应用中的人脸图像往往存在光照、姿态、表情等变化，因此基于深度学习的无约束人脸识别技术显得尤为重要。
该技术通过训练大量的无约束人脸数据，使得模型能够适应各种复杂的人脸变化。
四、主要技术应用领域（一）安防领域基于深度学习的人脸识别技术在安防领域得到了广泛应用。
例如，公安系统可以通过该技术对犯罪嫌疑人进行快速检索和比对，提高破案效率。
此外，该技术还可以应用于门禁系统、监控系统等场景。
（二）金融领域在金融领域，基于深度学习的人脸识别技术可以用于身份验证、支付等方面。
人脸识别技术的应用背景及研究现状
人脸识别技术的应用背景及研究现状
一、人脸识别技术的应用背景
随着社会的进步，人们的安全感越来越重要，政府、企业以及各个机构都希望能够实施安全的人员考勤系统。
考勤系统的安全性是考勤系统的重要组成部分，而人脸识别技术就可以满足这一需求。
人脸识别技术是指利用技术工具将一张图片中的人脸图像进行记录、保存、分析和识别的过程，以此来判断图像中的人是否为记录的其中一特定人的身份。
它是利用复杂的数据处理技术分析人脸形状特征，从而实现人脸识别的一种有效的方式。
由于识别过程无需受被识别者的同意，不会受到外来干扰，因此，人脸识别技术被广泛应用于考勤系统中，取代传统的传呼机考勤，使考勤更加安全、便捷。
二、人脸识别技术的研究现状
早在20世纪，科学家就从事人脸识别技术的研究，但是，由于计算能力的受限，在20世纪末，人脸识别技术仍然处于发展初期。
直到90年代中期，随着计算机技术的发展，深度学习技术的应用，及多模态数据的处理等，人脸识别技术逐渐发展成熟。
今天，人脸识别技术已经发展到比较成熟和完善的阶段，可以在各种应用场合使用，如安全监控系统中实现人脸识别，以及智能门禁系统，以及考勤系统等。
基于人工智能的人脸识别技术研究及应用
基于人工智能的人脸识别技术研究及应用前言随着科技的发展，越来越多的人工智能技术被广泛应用于各个领域中。
其中，人脸识别技术是一项热门的应用之一。
它的重要性在于，它可以为许多日常生活和工作场景提供便利。
本文将介绍基于人工智能的人脸识别技术的研究进展和应用。
一、人脸识别技术的介绍人脸识别技术是一种基于人工智能的模式识别技术，它旨在将人脸中的主要特征提取出来并进行识别。
在实际应用中，人脸识别技术可以用于识别和验证人员身份、智能监控、刑侦和安全防范等方面。
二、人脸识别技术的研究进展1. 人脸识别技术的发展历程人脸识别技术的发展历程可以追溯到上个世纪50年代，并在1988年开始被商业化。
随着计算机处理速度的提高和机器学习算法的不断改进，人脸识别技术已经取得了重大进展。
2. 人脸识别技术的主要算法目前，人脸识别技术主要采用的算法包括人工神经网络算法、决策树算法和支持向量机算法等。
其中，深度学习算法是目前最火热的一种算法。
它可以处理大量复杂的数据，并通过多层神经网络对数据进行分类和识别。
3. 人脸识别技术的关键技术在实际应用中，人脸识别技术需要面对许多技术难题，如光照、姿态、表情、年龄、人种等方面的干扰。
因此，如何解决这些技术问题，成为了人脸识别技术研究的关键之一。
现在，许多新型的人脸识别技术正在被开发出来，以解决这些问题。
三、人脸识别技术的应用1. 人脸识别技术在安防领域中的应用人脸识别技术已经被广泛应用于安防领域中，如智能门禁、刑侦和巡逻等。
使用人脸识别技术可以使安全检查更加高效和准确，同时也可以防止身份欺骗和非法入侵。
2. 人脸识别技术在社会生活中的应用人脸识别技术不仅可以被应用于安防领域，还可以被应用于社会生活中。
比如，在人脸支付、出入校园和自动签到等方面。
这种技术可以给社会生活带来重大的便利和效率提高。
3. 人脸识别技术在医疗领域中的应用人脸识别技术还可以被应用于医疗领域中，如在病人识别、个性化治疗和健康评估等方面。
人脸识别技术研究及其应用
人脸识别技术研究及其应用随着技术的不断发展，人类已经进入了信息化时代，各种智能设备和应用也随之出现。
在这方面，人脸识别技术是一种比较新的技术，它可以通过对人脸图像的采集、分析、处理等一系列技术手段来识别出人物身份。
人脸识别技术不仅具有高精准度、高效率、易操作等优点，而且在各个领域有广泛的应用。
一、人脸识别技术的研究人脸识别技术的研究可以追溯到上世纪六七十年代，但当时技术水平相对较低，只能对一些简单的人脸图像进行处理，实现人脸的自动识别还有一定的困难。
随着计算机技术的不断发展，人脸识别技术也得到了快速的发展和应用。
在研究方法上，人脸识别技术主要是采用数字图像处理技术、模式识别技术、人工智能技术等手段进行研究。
数字图像处理技术可以对图像进行预处理，增强图像的质量和信息量。
模式识别技术可以对图像进行分类和识别，从而达到人脸识别的目的。
人工智能技术可以模拟人类的思维和认知过程，更加精准地进行识别。
二、人脸识别技术的应用人脸识别技术在各个领域都得到了广泛应用。
下面就一些典型的应用进行介绍：1. 安防领域在安防领域，人脸识别技术可以用于门禁系统、监控系统等。
门禁系统可以通过人脸识别技术自动辨识员工，并记录工作考勤时间等信息。
监控系统则可以通过人脸识别技术识别出重点人员，并及时采取措施，保护重要场所的安全。
2. 社会管理人脸识别技术在社会管理领域也有广泛应用。
例如，在警务系统中，可以将犯罪嫌疑人的照片通过人脸识别技术快速匹配到人口系统中的信息，从而加快犯罪的侦查速度。
在人口普查中，人脸识别技术可以对人口数据进行核验和更新。
3. 金融领域人脸识别技术在金融领域也有广泛应用，尤其是在ATM机、网银等领域。
通过人脸识别技术可以对用户进行身份验证，进一步保证用户财产的安全。
4. 医疗领域在医疗领域，人脸识别技术可以用于病人的身份验证和医生的考勤系统中。
通过人脸识别技术可以避免医疗事故和病人身份混淆。
三、人脸识别技术存在的问题随着人脸识别技术的广泛应用，也暴露出了一些问题，例如：1. 精度问题人脸识别技术存在识别精度不够高的问题。
大数据时代下的人脸识别技术研究与应用
大数据时代下的人脸识别技术研究与应用近年来，人工智能技术飞速发展，其中人脸识别技术越来越成为现实生活中不可或缺的一部分。
在这样的大趋势下，以大数据为基础的人脸识别技术也在不断地更新和完善。
本文将对大数据时代下的人脸识别技术的研究与应用做一个综述。
一、人脸识别技术概述人脸识别技术是指利用计算机技术，通过获取面部生物特征信息，对人员进行自动化身份认证、识别、查找等操作。
相比于其他生物识别技术，人脸识别技术可以通过简单、快捷、非接触的方式实现身份验证，因此应用广泛。
人脸识别技术可以分为传统的基于特征和模型的人脸识别技术和新兴的基于深度学习的人脸识别技术两类。
其中基于深度学习的人脸识别技术又可分为基于深度卷积神经网络的人脸识别技术和基于对抗生成网络的人脸识别技术。
二、大数据时代下的人脸识别技术在大数据时代下，对人脸识别的需求越来越大，因此人脸识别技术也在不断地更新和完善。
在使用人脸识别技术的过程中，大数据成为了人脸识别的基础。
大数据汇聚了大量的人脸图像数据和特征数据，为研究和应用人脸识别技术提供了丰富的资源。
1.人脸特征提取在传统的人脸识别技术中，特征提取是比较困难和繁琐的一环。
但是在大数据时代下，通过深度学习方法，人脸特征提取变得更加准确和高效。
例如，基于深度卷积神经网络的人脸识别技术，在特征提取方面性能较好，可以在较大规模的人脸图像数据集上学习到更丰富、更有效的特征信息。
此外，对于特定应用场景下的人脸识别，也可以通过深度学习方法进行特征定制化，提高人脸识别的准确率。
2.大数据应用在大数据时代下，通过大量的人脸图像数据和特征数据，可以进行更多样化、更精细化的人脸识别应用，例如人脸检测、人脸分析、人脸跟踪等。
其中，人脸检测是人脸识别的关键之一，通过深度学习方法可以在不同场景下实现更准确、更鲁棒的人脸检测。
此外，在安防领域中，可以通过大数据分析判断一个人属于正常异常人群，进而降低恶意攻击或者犯罪的概率。
3.人脸识别技术的未来随着大数据时代的深入推进，人脸识别技术也将得到更广泛的应用。
人脸识别技术研究的意义应用与发展现状
人脸识别技术研究的意义应用与发展现状
一、人脸识别技术的意义
人脸识别技术是一种新兴的智能验证技术，它可以使用摄像头采集人脸特征数据，采用图像处理和分析技术，以及机器学习等多种技术实现人脸识别。
由于这种技术的应用，将大大提升我们的生活质量，减少不必要的安全隐患，能够更好的保护社会安全。
人脸识别技术的核心思想是通过读取人脸特征数据（亮度、颜色、纹理等），来识别人脸，从而实现安全认证。
它可以进行两人之间的比对，也可以比对两张照片，如果识别率较高，就可以实现更精准的身份验证与认证，从而保护个人信息，增强安全性，可以解决很多安全问题。
例如，在银行验证中，采用人脸识别技术可以有效地提高安全系数，减少冒充险；而在公共交通场景，则可以通过自动识别技术实现安全护卫以及有效的出行收费系统，从而更好地控制人流量。
同时，人脸识别技术也可以在社会活动中应用，例如活动报道、视频监控、社交保护等服务，可以帮助用户验证场景中不同角色的身份，增强安全性；也可以用于进行犯罪抓捕，减少犯罪负担。
目前，世界各国都在加大研发投入，加快人脸识别技术的发展。
人脸识别技术在校园安全管理中的应用研究
人脸识别技术在校园安全管理中的应用研究一、引言校园安全一直是公众关注的话题，尤其是在近年来的恶性事件中更是引起了人们的高度重视。
应用人脸识别技术是解决校园安全问题的创新性方案，其应用范围越来越广泛。
本文将重点探讨人脸识别技术在校园安全管理中的应用研究。
二、人脸识别技术的发展历程及技术原理1.人脸识别技术的发展历程从人脸图像的获取、图像处理、人脸特征提取、人脸匹配，到建立数据库的策略，人脸识别技术的应用已经覆盖到生活、工作中的各个领域。
人脸识别、人脸检测等各个领域都有了长足的发展，在安全领域具有广泛的应用。
2.人脸识别技术原理人脸识别技术的原理主要是对人脸图像的进行获取，提取其中的关键信息，进行比对，并通过匹配计算进行认证。
其技术难点主要包括：光照、面部表情、姿态、口罩、遮挡等对人脸识别的影响。
目前主要应用了从 2D 人脸图像到 3D 形态重建，从单一模态识别扩展到多模态融合等技术，以大大提高了准确率。
三、人脸识别技术在校园安全管理中的应用1.人脸识别技术在考勤管理中的应用采用人脸识别技术代替传统的考勤方式，能够达到更加高效，更加准确的效果，无需工作人员逐一验证。
如今一些高校已经将智能考勤技术与人脸识别技术紧密结合，只需通过扫描仪扫描学生的人脸即可完成考勤记录。
2.人脸识别技术在门禁系统中的应用校园门禁系统中应用人脸识别技术，安装摄像头，进校门、教学楼、寝室区等区域均能实现自动身份识别，提高了门禁系统的安全性和便利性，避免了人、卡、鞋等现象的出现，大大提高了管理效率。
3.人脸识别技术在校园监控系统中的应用人脸识别技术可以和校园监控系统进行集成，校园内的摄像头可以进行24小时不间断的监控，当校园发生异常情况时，监控系统能够自动录像和报警。
同时，人脸识别技术也可以在离线时代，通过设置人脸识别算法，对关键区域的人员进行有效的监管。
四、安全问题与技术难题1.安全问题在应用人脸识别技术的过程中，仍会出现一些安全漏洞问题，比如说如何保障信息的隐私性和安全性，如何防范模拟攻击等，在技术应用的过程中，一定需要更加高效的信息机制和标准化的应用规范来保护和定义其使用范围。
智能家居中的人脸识别技术研究与应用
智能家居中的人脸识别技术研究与应用随着科技的不断发展和创新，智能家居的概念正逐渐深入人们的日常生活。
智能家居是通过物联网技术将家居设备相互连接，实现自动化和远程控制的一种智能化生活方式。
在智能家居系统中，人脸识别技术作为一种无接触的身份认证方式，正逐渐得到广泛应用和研究。
一、人脸识别技术的基本原理人脸识别技术是通过图像处理和模式识别的方法，识别和验证人脸的身份信息。
其基本原理是将人脸图像进行特征提取和匹配，通过对比已存储的特征库，判断输入人脸的身份信息。
人脸识别技术主要包括图像采集、特征提取、特征匹配和结果输出等多个步骤。
二、智能家居中人脸识别技术的应用场景1. 门禁系统在智能家居的门禁系统中，人脸识别技术可以替代传统的密码、指纹识别等方式，提高门禁的安全性和便利性。
家庭成员和授权人员只需通过人脸识别设备，即可快速进出家门，而无需携带钥匙或记忆密码。
2. 安防监控智能家居的安防系统通过人脸识别技术可以实现对家庭成员和陌生人的区分，从而及时发现异常情况。
当陌生人进入家庭区域时，系统会自动报警，并通过手机推送信息给家庭成员，提高家庭的安全保障。
3. 家庭服务智能家居系统中的人脸识别技术还可以根据家庭成员的身份信息，智能调节家庭环境。
例如，当家庭成员进入特定区域时，系统可以根据其个人喜好自动调节灯光、音乐等，提供更舒适的家居体验。
4. 儿童安全通过人脸识别技术，智能家居可以实现对儿童的监控和管理。
当未成年人进入危险区域时，系统会立即报警并通知家长。
同时，系统还可以记录儿童的行为轨迹，为家长提供更全面的监护服务。
三、智能家居中人脸识别技术的优势和挑战人脸识别技术在智能家居中的应用具有以下优势：1. 无接触：人脸识别技术不需要接触感应设备，用户只需在一定范围内被摄像头捕捉到即可完成身份验证，非常方便快捷。
2. 高精度：经过多年的研究和改进，人脸识别技术已经具备较高的准确性和稳定性，可以有效地识别和验证人脸。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
人脸识别技术的研究与发展
发表时间：2019-07-03T10:53:17.843Z 来源：《防护工程》2019年第2期作者：陈志强
[导读] 本文对一些主要的人脸识别技术进行介绍并探究其发展。
浙江深大智能科技有限公司
摘要：人脸识别，是基于人的脸部特征，检测图像或视频流中是否存在人脸，若存在人脸，就进一步检测出其位置、大小以及面部各个器官的位置等信息，并可自动跟踪和进行身份识别的一种技术。
人脸识别技术包括有人脸特征提取、人脸检测识别和人脸验证等方面，将待识别的图像与数据库的储备图像进行匹配，从而识别人的身份，本文对一些主要的人脸识别技术进行介绍并探究其发展。
关键词：人脸识别；面部轮廓；特征提取；匹配
一、人脸识别系统
人脸识别系统研究的内容包括人脸检测、人脸表征、人脸识别、面部表情和生理分类这五个方面。
人脸检测这部分主要就是在不同情形中找出人脸所在坐标和人脸占有的面积区域，这种方法遇到的问题就是需要考虑光照强度、图像噪点、脸部大小、情绪、图片质量等对人脸检测的影响。
人脸表征是提取人的面部特征，确定检测的人脸和数据库中已存在的人脸描述方式，通过几何特征、代数特征或机器学习理论等方法进行提取。
人脸识别就是将人的面部特征与人脸特征库进行匹配发出结果，核心是匹配的算法。
面部表情就是需要分析其情绪代表的含义。
最后生理分类是需要通过分析得出人的性别、年龄、种族等信息。
二、人脸识别技术的特点
1、非强制性
人脸识别技术首要的特点就是具有非强制性。
掌纹掌脉识别、虹膜识别、视网膜识别等识别技术，都需要被测人有意识的配合仪器设备采集相关的特征信息，这些特殊的采集方式被被测人察觉后，别有用心的人就会有针对性的利用对应方法进行伪装和欺骗。
然而人脸识别则不同，人脸识别系统可以在识别对象无意识状态下自动采集人脸图像并加以分析，非强制性的特点对于一种识别方法非常重要，这会使该识别方法不令人反感，并且因为不容易引起人的注意而不容易被防范和破解。
这在一定程度上使得人脸识别相较于指纹识别等其他强制性识别更易实现。
2、并发性
人脸识别技术的另一大特点是具有并发性。
通过摄像头等图像或视频采集设备，可以快速且同时采集、识别一个图像或视频的一帧中含有的多个人脸，这对于指纹、掌纹等识别技术具有无法比拟的优势。
例如许多火车站、球场、机场的出入口等人流密集的场所，通过监控系统对采集画面中的多个人脸图像进行识别并处理，在不影响人员出入的效率和速度的情况下，及时识别和确认被测人的身份，具有很强的实用性。
3、非接触性
人脸识别技术还具有非接触性的特点。
目前广泛应用的指纹识别是利用电子压力传感器采集指纹进行识别比对，对于医院等卫生环境敏感的场所，接触性识别系统也不利于防止疾病的传播。
掌纹、视网膜等识别方式虽然也不用实质性的接触被测者，但是采集距离较近，也需要被测者配合采集。
人脸识别系统从采集人脸信息到完成身份识别全程不需要与识别对象产生任何接触，甚至在相距较远的情况下也可以正常工作。
三、人脸识别技术的功能
人脸识别技术首先要完成人脸捕获，人脸捕获是指在一幅图像或视频的一帧中检测出人脸。
随后再将人脸从背景中分离出来，并自动保存。
成功捕获人脸后，接下来人脸识别系统进一步确定识别对象的身份，完成人脸识别。
人脸识别按应用方式又可分为人脸跟踪、人脸验证和人脸检索。
1、人脸跟踪。
人脸跟踪是指利用人脸捕获技术确定人脸后，当指定的人在摄像头拍摄的范围内移动时动态地对其进行跟踪。
2、人脸验证。
通过对两张人脸图像提取的特征进行对比，该技术将根据两张人脸的相似程度决定“一致”或者“不一致”，从而得出两张人脸是否属于同一个人。
3、人脸检索。
在人脸数据库中找出与需要检索的人脸相似度最高的一个或多个人脸，此应用需要事先建立目标人群的图像数据库。
在一个数据库中检索某个人是不是属于数据库中的人，是人脸识别技术最主要的应用之一。
四、人脸识别方法分类
1、以几何特征为基础的研究
Bledsoe是最早以几何特征为基础进行研究的学者，这种研究识别出人脸图像的面部特征点，通过测量的欧氏距离得出人面部特征矢量，找出匹配的人脸。
这种方法的基本原理非常容易理解，只需要找出人面部的特征矢量就可以实现匹配，不占内存，对光照的敏感度也较低。
这种方法的缺陷是提出稳定的特征矢量比较难，同时识别率也比较低。
2、以代数特点为依据的研究
这种方法是基于代数特征图像的像素变换投影空间，采用基本图像对人脸图像进行线性编码，最典型的理论工具就是主成分分析法。
将主成分分析法引入人脸识别领域，通过对数据进行分析，使用线性编码来进行人脸识别过程的匹配。
这种方法的优点就是降低了特征空间维数的样本。
3、以机器学习理论为原理的研究
以机器学习理论为原理的人脸识别研究是通过使用统计分析和机器学习技术来获取信息的。
获得的信息存在于确定的分布之中，并通过算法、模型和判别函数来进行人脸图像的识别，这种分类器涵盖了SVM、Hidden Markov等多种综合开发系统技术。
五、人脸识别技术的发展现状
1、国内的发展情况
我国对人脸识别技术的研究始于20世纪80年代，由于国家政策对科技产业的支持，我国人脸识别技术近几年专利数量和成果转化迅速
增长。
中国专利公开量从2011年的270件增加至2015年的1 398件，增长了5倍多，超过美国位居第一。
我国在人脸识别技术研究方面也占据了一席之地。
2006年，清华大学电子工程系的苏光大教授将人脸识别技术在公安等领域进行了尝试。
李子青率领团队研发出高性能的人脸识别系统，并将其和RFID射频卡技术有机结合，为奥运会量身定制了人脸识别快速身份验证系统。
2008年，我国在奥运会开闭幕式上成功应用了人脸识别系统，这是人脸识别技术首次应用于奥运会。
2014年3月，汤晓鸥团队发表了GaussianFace人脸识别算法，此算法判断随机抽取的两张照片是否为同一个人的准确率达98.52%，超过了Facebook同期发布的DeepFace算法（准确率97.35%）。
随后，该团队又先后发表了更先进的DeepID2和DeepID3算法，将人脸识别的准确率提升至99.55%，这也使得汤晓鸥团队实验室于2016年成为NVIDIA 评选的全球人工智能十大先锋实验室之一。
可见，因为最近几年我国在人脸识别技术上投入较大，研发能力和创新水平已经有了很大提高，达到了世界先进水平。
2、国外的发展历程
早在20世纪80年代后期，人脸识别技术的雏形就已经形成了，而真正将人脸识别技术加以应用则是在20世纪90年代后期，并且以美国、欧洲国家和日本为主。
美国作为人脸识别技术最先起步的国家，亦是最先应用该技术的国家，掌握着此项技术的核心专利。
2001年美国发生“911”事件，为了加强对出入境人员的监管，华盛顿州在机场使用生物识别技术强化对出入境人员的身份认证和管理，这是生物识别技术首次应用在机场。
日本虽然接触人脸识别技术略晚，但始终保持着较快的发展速度。
日前，日本NEC公司在其安防展会上展示了最尖端的人脸识别技术，能识破戴上高仿真人脸面具或用他人照片挡住摄像头的手段，NEC对外声称该公司人脸识别技术的准确度被美国政府评为世界第一。
结语：目前人脸识别技术还有很多的发展空间，未来人脸识别技术将有望解决更多现实中的问题，为更多的领域提供实际性的帮助。
人脸识别技术在很多方面还有诸多疑问未能得到解决，如在复杂条件下人脸的检测和关键点定位问题、光照变化问题、面部遮挡问题等。
参考文献：
[1]徐晓艳.人脸识别技术综述[J].电子测试，2015（5X）
[2]何欢，肖强，王春莉，等，人脸识别技术发展现在及趋势分析[J].情报检索，2016（11）
[3]左腾.人脸识别技术综述[J].软件导刊，2017，16（2）。